机构名称：
¥ 1.0
防止风暴和沙尘暴一直是干旱和半干旱地区的主要问题，因为它们对环境产生了负面影响。这项研究旨在进行遥控感和机器学习技术，以建模，监视和预测伊朗东北部风侵蚀的风险。通过对相关研究的检查进行了全面的综述，从而鉴定了八个与现场数据相关性最高的遥感指标。随后使用这些指标来模拟研究区域中风侵蚀的风险。采用了各种方法，包括随机森林（RF），支持向量机（SVM），梯度提升机（GBM）和广义线性模型（GLM）来执行建模过程。最终方法利用了模型的加权平均值，SDM统计软件包用于结合不同的方法，以减少对该区域的模拟和监测风侵蚀时的不确定性。建模结果表明，在2008年，RF模型执行了最佳（AUC = 0.92，TSS = 0.82和Kappa = 0.96），而在2023年，GBM模型显示出较高的性能（AUC = 0.95，TSS = 0.79，和Kappa = 0.95）。因此，出现了合奏模型的利用是一种有效的方法，可以减少建模过程中的不确定性。通过采用整体模型，获得的结果准确地描绘了研究区域东北地区的风侵蚀强度升高，到2023年。此外，考虑到气候场景和占据的土地利用变化，预计到2038年，研究区的中部和南部地区的风侵蚀强度将增加23％。考虑了合奏模型的可靠结果，该模型提供了降低的不确定性，可以实施有效的计划，最佳管理和适当的措施来减轻风侵蚀的进展。
通过遥感技术增强风侵蚀风险评估
主要关键词
相关文件推荐
